labelme的安装及使用

一、Anaconda的安装

步骤1：访问Anaconda官网，点击Download，下载Anaconda软件安装包。

步骤2：双击刚下载好的anaconda软件安装包，按照提示进行下一步操作即可。

二、安装labelme

步骤1：打开Anaconda Prompt，然后执行下面的命令，创建 labelme虚拟环境

conda create -n labelme python=3.8

步骤2：输入下面的命令，检查labelme是否下载成功，如果有如下图所示的打印，说明labelme已经安装成功。

conda env list

步骤3：执行下面的命令，激活labelme虚拟环境，当命令行的最前面出现(labelme)，就说明labelme虚拟环境已经被激活了。

conda activate labelme

步骤4：分步指行下面的命令，下载并安装labelme已经依赖软件包。如果中间提示([y]/n) ？的时候，输入 y，然后回车即可。

conda install pyqt

conda install pillow

pip install labelme

步骤5：执行下面的命令，查看labelme是否安装成功

conda list

三、打开labelme

步骤1：执行下面的命令，激活labelme虚拟环境，以后每次打开anaconda prompt，或者命令行的最前面不是(labelme)，都需要执行这条命令。

activate labelme

步骤2：执行下面的命令，然后敲回车，就可以打开labelme工具了。

labelme

四、使用labelme进行图片标注

步骤1：点击OpenDir按钮，然后选择我们需要标注的图片的路径，然后再点击右下角的选择文件夹按钮。

步骤2：将鼠标放在图片上面，然后鼠标右键，选择 Create Rectangle

步骤3：点击鼠标左键，开始画框，把目标图片框住之后，再点击鼠标左键，结束画框，此时会弹出一个对话框，可以在输入框中输入你标注的目标的名字，如果是猫的话，就输入cat，如果是狗的话，就输入dog,然后点击OK按钮即可。

步骤4：点击Save按钮，进行json标注文件的保存，首先在JPEGImage同级目录下创建一个json文件夹，然后把标注生成的json文件保存到该json文件中，点击保存按钮，即可进行保存。

步骤5：点击Next Image按钮，进行下一张图片的标注。

五、数据标注的归一化处理

• json文件中包含的内容有很多，但是我们做模型训练的时候，只需要他的label以及point即可，因此我们需要将这些数据从json数据中取出来。

• YOLOV2进行模型训练的时候，需要的标注信息是 (Class id , center_x , center_y, w, h) 这五个值，且需要归一化处理。

Class id    center_x    center_y    w    h
对数据格式解释如下：
Class id:表示标注框的类别，从0开始计算，当前只要手部1类检测物体，故Class id全为0；
center_x:表示归一化后的手部框中心点坐标的X值。归一化坐标 = 实际坐标 / 整个图片宽
center_y:表示归一化后的手部框中心点坐标的Y值。归一化坐标 = 实际坐标 / 整个图片高
w:表示归一化后的手部框的宽。归一化长度 = 实际长度 / 整个图片宽
h:表示归一化后的手部框的高。归一化长度 = 实际长度 /整个图片高

步骤1：创建一个 json_to_txt.py文件，然后将下面的代码复制到json_to_txt.py文件中。然后根据自己的数据集路径及数据集名称，修改代码。

# 处理labelme多边形矩阵的标注  json转化txtimport json
import os

name2id ={'cat':0,'dog':1}#此处需要根据你自己的数据集类型进行修改defconvert(img_size, box):
    dw =1./(img_size[0])
    dh =1./(img_size[1])
    x =(box[0]+ box[2])/2.0
    y =(box[1]+ box[3])/2.0
    w =abs(box[2]- box[0])
    h =abs(box[3]- box[1])
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return(x, y, w, h)defdecode_json(json_floder_path, txt_outer_path, json_name):
    txt_name = txt_outer_path + json_name[:-5]+'.txt'withopen(txt_name,'w')as f:
        json_path = os.path.join(json_floder_path, json_name)# os路径融合
        data = json.load(open(json_path,'r', encoding='gb2312', errors='ignore'))
        img_w = data['imageWidth']# 图片的高
        img_h = data['imageHeight']# 图片的宽
        isshape_type = data['shapes'][0]['shape_type']print(isshape_type)for i in data['shapes']:
            label_name = i['label']# 得到json中你标记的类名if(i['shape_type']=='polygon'):# 数据类型为多边形 需要转化为矩形
                x_max =0
                y_max =0
                x_min =100000
                y_min =100000for lk inrange(len(i['points'])):
                    x1 =float(i['points'][lk][0])
                    y1 =float(i['points'][lk][1])# print(x1)if x_max < x1:
                        x_max = x1
                    if y_max < y1:
                        y_max = y1
                    if y_min > y1:
                        y_min = y1
                    if x_min > x1:
                        x_min = x1
                bb =(x_min, y_max, x_max, y_min)if(i['shape_type']=='rectangle'):# 为矩形不需要转换
                x1 =float(i['points'][0][0])
                y1 =float(i['points'][0][1])
                x2 =float(i['points'][1][0])
                y2 =float(i['points'][1][1])
                bb =(x1, y1, x2, y2)
            bbox = convert((img_w, img_h), bb)try:
                f.write(str(name2id[label_name])+" "+" ".join([str(a)for a in bbox])+'\n')except:passif __name__ =="__main__":
    json_floder_path ='.\\json\\'# 存放json的文件夹的绝对路径
    txt_outer_path ='.\\labels\\'# 存放txt的文件夹绝对路径
    json_names = os.listdir(json_floder_path)print("共有：{}个文件待转化".format(len(json_names)))
    flagcount =0for json_name in json_names:
        decode_json(json_floder_path, txt_outer_path, json_name)
        flagcount +=1print("还剩下{}个文件未转化".format(len(json_names)- flagcount))# breakprint('转化全部完毕')

步骤2：在 json_to_txt.py文件所在的位置，打开dos界面，执行下面的命令，进行json数据的归一化处理。

执行完上一步骤，就会在labels目录下，生成与图片相对于的txt文件。

• 到此，labelme的安装和使用方法就讲解完毕了。